python jupyter-notebook数据分析与可视化笔记

1
2
3

import matplotlib.pyplot as plt  # 导入绘图库
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

1
2
3

data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None  # 过滤异常值，将其变为空值

df[][]根据第二个[]中的真值来决定选择

1 2	(data['销量'].isnull())[0] 返回真值,表示该列第0行空不空,data['销量'].isnull()返回一个series(list)

from scipy.interpolate import lagrange  # 导入拉格朗日插值函数
# 自定义列向量插值函数
# s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k=5):
  y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))]  # 取数
  y = y[y.notnull()]  # 剔除空值
  return lagrange(y.index, list(y))(n)  # 插值并返回插值结果

pd.read_excel()

pandas.read_excel(io,sheet_name=0,header=0,names=None,index_col=None,usecols=None,squeeze=False,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrows=None,na_values=None,keep_default_na=True,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,convert_float=True,mangle_dupe_cols=True,**kwds)

io: r”path” r可避免转义字符\
sheet_name（str, int, list, None, default 0）
- str:sheet名
- int:sheet索引
- list：可为int、str、int和str的组合
- None：读取所有sheet
- 默认第0张
header（int, list of int,None, default 0）指定表头
- int:1,代表第二行做表头，第一行数据被丢弃
- list of int：指定多行做表头
- None：不使用数据源中的数据做表头
- 默认第0行
names(array-like, default None)自定义表头的名称
- 传递一个数组
index_col（int, list of int, default None）指定列为索引列
- int：0，数据中第0列作为索引
- list of int：指定多列作为索引
- 默认None，不使用数据源的列作为索引，而是自动生成从0开始
usecols(int, str, list-like, or callable default None)指定读取列
- int：读取到第n列（0，1，2，…,n）
- str：“ A：E”或“ A，C，E：F”（exccel中列名）
- list-like：读取给定列
- 默认为None，读取所有列
squeeze(bool, default False)默认为False。如果设置squeeze=True则表示如果解析的数据只包含一列，则返回一个Series
dtype（Type name or dict of column -> type, default None）
- 默认为None，也就是不改变数据类型
- dtype={0:”float64”,2:str}0列改为float64，2列改为str
engine（str, default None）
可以接受的参数有“ xlrd”，“ openpyxl”或“ odf”，用于使用第三方的库去解析excel文件。
converters（dict, default None）
对指定列的数据进行指定函数的处理，传入参数为列名与函数组成的字典。key 可以是列名或者列的序号，values是函数，可以def函数或者直接lambda都行。
- converters{1:lambda x: "\""+x+"\"",2:lambda x: x-10}对第2列的所有名称加上””，把第三列的所有年龄都减10
true_values（list，default None） false_values（list，default None）将指定的文本转换为True/False，默认为None
- true_values=["女"],false_values=["男"]将性别中的女转换为True，男转换为False
skiprows（list like）跳过指定的行
- skiprows=3 跳过前3行
- skiprows=[1,3,5] 跳过第1,3,5行
- skiprows=lambda x: x % 2 == 0 跳过偶数行
nrows（int, default None）默认为None，指定需要读取前多少行，通常用于较大的数据文件中。
- nrows=3 读取前三行
na_values（scalar, str, list-like, or dict, default None）指定某些列的某些值为NaN
- na_values=’大专’，指定大专为NaN